基于二維碼和可逆可視水印的圖像隱私保護方案

姚遠志，王鋒，嚴文博，俞能海

（中國科學技術大學信息科學技術學院，安徽 合肥 230027）

1 引言

移動互聯網技術的快速發展和移動智能終端的普遍應用極大地改善了人們的生活品質。用戶在享受高效便捷的生活方式的同時，也潛在地承擔著日趨嚴峻的個人隱私信息泄露風險[1]。據調查顯示，截至2018年12月，我國手機上網用戶規模達8.17億人，用戶使用手機上網的比例達98.6%[2]。其中，個人隱私信息泄露已成為主要的互聯網安全事件。發生該類事件的主要原因在于大多數移動智能終端和移動通信應用程序提供基于位置服務（LBS,location-based service）的功能。用戶在使用位置服務的同時，其位置信息會被無感知地發送給服務提供商作為提供服務所需的必要數據[3]。然而，一旦提供給服務商的這些隱私信息被惡意用戶獲取，通過大數據分析技術就可以挖掘出更深層次的用戶畫像信息（如興趣愛好、工作地點和生活習慣等），使個人信息安全受到嚴重的威脅。因此，保護移動互聯網中的用戶隱私信息已成為重要的研究課題。

得益于移動智能終端日益完善的拍攝功能和移動互聯網的廣泛普及，采集數字圖像并在網絡中發布的成本變得更加低廉。用戶在社交網站和移動通信應用程序中發布和分享圖像可以獲得良好的用戶體驗。但是，伴隨這類通信行為，用戶的個人隱私信息也會面臨泄露的風險[4]。在移動通信應用程序發布圖像時，很多用戶會選擇上傳原圖以獲得視覺質量更好的體驗效果。上傳的原始圖像通常帶有拍攝時間、拍攝地點和詳細描述等隱私信息，具有強大計算能力的服務提供商可以使用大數據分析技術對用戶進行畫像。根據以上分析，使用社交網絡和移動通信應用程序發布圖像的通信行為伴隨著隱私信息泄露問題。

針對上述隱私信息泄露問題，本文提出了一種基于二維碼和可逆可視水印的圖像隱私保護方案。為了保護圖像拍攝時間、拍攝地點和詳細描述等隱私信息，首先對原始圖像進行去隱私信息處理，并將這類隱私信息加密后存儲在云平臺，同時生成能夠鏈接到加密隱私信息的統一資源定位符。由于二維碼存儲信息具有較強的穩健性[5]，該方案將統一資源定位符編碼成二維碼，并將該二維碼作為可視水印可逆地嵌入圖像中。只有授權的用戶才可以根據統一資源定位符得到隱私信息，并獲得原始圖像，實現對隱私信息的訪問權限控制。在該方案中，使用視覺感知模型選擇適合的水印嵌入參數，以平衡水印的可視性和載密圖像的視覺質量。實驗結果驗證了該方案在載密圖像視覺質量、水印可視性和可逆性等方面的優勢。所提方案具有保障圖像傳輸質量和降低隱私泄露風險的能力。本文的主要貢獻如下。

1)提出了一種基于二維碼和可逆可視水印的圖像隱私保護方案，該方案重點考慮用戶使用移動通信應用程序發布圖像時的隱私泄露問題。

2)提煉并解決水印的可視性和載密圖像的視覺質量之間的均衡分析問題，作為所提圖像隱私保護方案中的關鍵問題。

3)對所提圖像隱私保護方案的安全性進行分析，證明對圖像隱私保護的有效性。

2 相關工作

本文提出的基于二維碼和可逆可視水印的圖像隱私保護方案重點是將二維碼作為可視水印嵌入需要保護的圖像中。在獲得訪問權限的情況下，掃描嵌入的二維碼即可得到與圖像關聯的隱私信息。因此，二維碼的正確識別和解碼是授權用戶得到隱私信息的前提條件。另外，載密圖像的視覺質量決定一般用戶的體驗效果。增強二維碼的嵌入強度，可以增強水印的可視性，從而提高二維碼正確識別和解碼的能力，但是會降低載密圖像的視覺質量。平衡水印的可視性和載密圖像的視覺質量，是圖像隱私保護方案需要解決的關鍵問題。

一般而言，可視水印嵌入會降低載密圖像的視覺質量。可視水印的基本要求是嵌入的水印不能明顯掩蓋水印嵌入區域的圖像內容[6]。可逆信息隱藏是一種將數據嵌入數字媒體（如音頻、圖像和視頻等）并且可以在提取數據之后無損恢復原始數字媒體的技術[7]。結合可視水印和可逆信息隱藏，可以實現可逆可視水印。目前，已經有很多經典的針對圖像可逆可視水印的算法[8-15]被提出。Hu 等[8]通過像素比特平面替換的方法嵌入可視水印，為了保證可逆性，水印嵌入區域的圖像像素需要壓縮并作為邊信息嵌入載體圖像。Yip 等[9]分別利用像素值匹配和像素位置平移提出了2種圖像可逆可視水印算法。Tsai 等[10]和Liu 等[11]使用一對一像素值匹配設計了圖像可逆可視水印算法。Yang 等[12]提出自適應調節像素值來嵌入可視水印，并在載體圖像中嵌入重構數據分組用于圖像恢復。在Mohammad 等[13]提出的算法中，通過像素值循環移位在塊截斷編碼（BTC,block truncation coding）圖像中嵌入可逆可視水印。Lin 等[14]提出了一種離散余弦變換（DCT,discrete cosine transform）域的圖像可逆可視水印算法。但是該算法只有在獲得原始水印圖像的情況下才可以無損恢復原始載體圖像。Yao 等[15]提出了一種加密圖像的可逆可視水印算法，為了平衡水印可視性和載密圖像視覺質量，該算法在圖像加密之前通過視覺感知模型選擇適合的水印嵌入位置。由于信號在加密域的弱相關性，使用傳統的可逆信息隱藏算法在圖像加密之前預留水印嵌入空間。因此，數據嵌入者可以基于水印嵌入位置的像素比特位替換，方便地在加密圖像中嵌入可視水印。

上述的圖像可逆可視水印算法[8-15]嵌入的水印通常是二值圖像，通過人類視覺系統高超的感知能力可以識別嵌入的水印，具有可視性。但是，這些算法不能滿足二維碼作為可視水印時的嵌入要求。在二維碼作為可視水印的情況下，如果水印可視性不強，可能導致二維碼無法正確識別和解碼。在本文提出的圖像隱私保護方案中，無法正確識別和解碼二維碼會導致授權用戶不能得到圖像隱私信息。Huang 等[16]針對二維碼提出了圖像可逆可視水印算法，該算法使用差值擴展技術嵌入二維碼，可以保證足夠的水印可視性，但是嵌入的二維碼幾乎完全掩蓋了水印嵌入區域的圖像內容，得到的載密圖像視覺質量不高。綜合以上分析，水印的可視性和載密圖像的視覺質量之間的均衡分析問題是亟待解決的關鍵問題。

3 圖像隱私保護方案

3.1 圖像隱私保護方案框架

本文提出的基于二維碼和可逆可視水印的圖像隱私保護方案主要由圖像發送方、云平臺和圖像接收方組成，其框架如圖1所示。圖像發送方一般是原始圖像的采集者，首先對原始圖像進行去隱私信息處理，并將去隱私信息的圖像和加密后的隱私信息發送給云平臺。云平臺負責管理加密隱私信息，并根據加密隱私信息生成的統一資源定位符對去隱私信息的圖像進行可逆可視水印嵌入。授權的圖像接收方可以提取載密圖像中嵌入的二維碼，并根據二維碼從云平臺中得到加密隱私信息，最終獲得融合隱私信息的原始圖像。非授權的用戶即使獲得嵌入二維碼的載密圖像，也無法得到與圖像關聯的隱私信息。

圖像發送方的工作流程為：對原始圖像進行隱私信息提取，生成去隱私信息的圖像和隱私信息（包括拍攝時間、拍攝地點和詳細描述等，詳細描述可以是原始圖像采集者對圖像的標注信息）；使用加密密鑰對隱私信息進行加密；將去隱私信息的圖像和加密隱私信息發送給云平臺。

云平臺的工作流程為：在存儲服務器中管理接收到的加密隱私信息；生成能夠鏈接到加密隱私信息的統一資源定位符；將統一資源定位符編碼成二維碼，并根據水印密鑰將該二維碼作為可視水印可逆地嵌入去隱私信息的圖像中。

圖像接收方的工作流程為：根據水印密鑰提取載密圖像中的二維碼；根據解碼二維碼得到統一資源定位符，從存儲服務器中查詢加密隱私信息；使用加密密鑰得到解密后的隱私信息，并進行隱私信息融合從而獲得原始圖像。

在上述的圖像隱私保護方案中，根據加密密鑰和水印密鑰的擁有情況，可以分為3種隱私保護等級。同時擁有加密密鑰和水印密鑰的用戶可以獲得隱私信息和原始圖像。僅擁有加密密鑰的用戶可以掃描載密圖像中嵌入的二維碼讀取統一資源定位符，得到隱私信息。既沒有加密密鑰也沒有水印密鑰的用戶，即使獲得嵌入二維碼的載密圖像，也無法得到與圖像關聯的隱私信息。并且，嵌入的二維碼無法從載密圖像中提取。使用該圖像隱私保護方案，可以在保障圖像傳輸質量的同時降低隱私泄露的風險。

3.2 針對二維碼的圖像可逆可視水印算法

圖1 圖像隱私保護方案框架

在本文提出的基于二維碼和可逆可視水印的圖像隱私保護方案中，嵌入的二維碼的正確識別和解碼是授權用戶得到隱私信息的前提條件。同時，一般用戶的體驗效果受到載密圖像視覺質量的影響。平衡水印的可視性和載密圖像的視覺質量是本文提出方案解決的關鍵問題。

不失一般性，令x和w分別為8 bit 的灰度載體圖像像素和二值水印圖像像素，則可視水印嵌入模型[17]可以表示為

其中，y(x,w)(α)是嵌入可視水印的載密圖像像素，α∈[0,1]是控制水印嵌入強度的嵌入參數。平衡水印的可視性和載密圖像的視覺質量的本質是選擇適合的嵌入參數α，使嵌入二維碼的載密圖像在保證二維碼能夠被正確識別和解碼的同時，還擁有較好的圖像視覺質量。根據式(1)，可以得到在載密圖像像素中的水印嵌入強度，如式(2)所示。

在式(1)中，載密圖像像素y(x,w)(α)表示為載體圖像像素x和二值水印圖像像素w的線性組合。由于載體圖像像素x的取值范圍是[0,255]，二值水印圖像像素w的取值范圍是{0,255}，可以推斷載密圖像像素y(x,w)(α)的取值范圍是[0,255]。水印嵌入強度α在很大程度上影響水印的可視性，本文使用視覺感知模型評估水印的可視性。

視覺感知模型在很多實際應用場景發揮了重要作用，如數字水印[12]、圖像質量評價[18]和圖像/視頻編碼[19]等。人類視覺系統通常只能感知大于一定閾值的圖像內容變化[20-22]。這個閾值被稱為最小可察覺差值（JND,just noticeable difference）。根據Wu 等[22]提出的JND 模型，載體圖像像素x的JND閾值TJND(x)可以表示為

其中，γ是JND 模型的參數；L A(x)是亮度自適應可視性閾值；M S(x)是空域掩模函數，該函數由類型掩模函數M P(x)和對比度掩模函數M C(x)共同決定，如式(4)所示。

在嵌入二值水印圖像像素w時，載體圖像像素x會發生變化。根據式(3)所示的JND 模型，這個變化在一定范圍內時，人類視覺系統無法感知。因此，載體圖像像素x的不可視范圍的上界和下界分別如式(5)和式(6)所示。

因此，由式(5)和式(6)決定的與載體圖像像素x對應的不可視范圍R(x)可以表示為

根據式(2)和式(7)，可以討論如圖2所示的水印嵌入強度和水印可視性的關系。

圖2 水印嵌入強度和水印可視性的關系

以標準測試圖像Lena中位置為(478,66)且像素值為108的x為例，該像素的JND 閾值為13.6387。當嵌入的二值水印圖像像素值為255時，在圖2中定位載密圖像像素值y(108,255)(α)與不可視范圍的上界的交點，即可得到使水印可視的最小水印嵌入強度αmin=0.0928。同理，當嵌入的二值水印圖像像素值為0時，在圖2中定位載密圖像像素值y(108,0)(α)與不可視范圍的下界的交點，即可得到使水印可視的最小水印嵌入強度αmin=0.1263。由圖2的分析可知，對于給定的載體圖像像素和二值水印圖像像素，在式(1)所示的可視水印嵌入模型下，存在最小的水印嵌入強度αmin，使嵌入的水印可視。因此，水印可視范圍可以表示為

在建立了水印嵌入強度和水印可視性的關系之后，即可討論針對二維碼的圖像可逆可視水印算法。在針對二維碼的圖像可逆可視水印算法中，需要根據二維碼的結構和載體圖像的JND 閾值選擇適合的水印嵌入強度。

如圖3所示，二維碼可以分為空白區域IB、位置探測區域ID和其他區域IR。需要根據各個區域的特征和作用，選擇不同的水印嵌入強度。令xi,j是第(i,j)個載體圖像像素，wi,j是第(i,j)個二值水印圖像像素，yi,j是第(i,j)個載密圖像像素，αi,j是第(i,j)個載體圖像像素xi,j的水印嵌入強度。對于二維碼中的空白區域IB，可以直接令水印的嵌入強度αi,j為0，即αi,j=0。此時，載密圖像像素yi,j可以表示為

圖3 二維碼分區示意

對于位置探測區域和其他區域，可以將可視水印嵌入建模為水印嵌入強度在水印可視范圍內的最小化嵌入失真問題。基于式(1)所示的可視水印嵌入模型，載密圖像像素yi,j的嵌入失真可以表示為

因此，水印嵌入強度在水印可視范圍內的最小化嵌入失真問題可以表示為

由于二維碼中的位置探測區域ID對于定位二維碼起到了至關重要的作用，使用式(11)進行最小化水印嵌入失真時，需要考慮的二值水印圖像像素值范圍為wi,j∈{0,255}。二維碼中的其他區域IR中包含二維碼編碼信息和糾錯信息，使用式(11)進行最小化水印嵌入失真時，僅需考慮二值水印圖像像素為黑色的情況，即wi,j=0。這是因為二維碼中的其他區域IR中的白色像素不用于承載二維碼編碼信息和糾錯信息。

為了在提取嵌入的二維碼之后可以無損恢復載體圖像，需要將水印嵌入區域的載密圖像和載體圖像的像素差值構成重構數據分組P，可以表示為

為了減小表達重構數據分組所需的比特數，在嵌入重構數據分組之前使用JBIG（joint bi-level image expert group）壓縮算法對重構數據分組進行壓縮，以提高載密圖像的視覺質量。令mk∈{0,1}為壓縮后的重構數據分組中的比特，則長度為L的壓縮后的重構數據分組可以表示為m={m1,…,mL}。可以使用可逆信息隱藏算法將壓縮后的重構數據分組嵌入水印嵌入區域以外的載密圖像中，本文使用Sachnev 等[23]提出的可逆信息隱藏算法進行壓縮后的重構數據分組嵌入。首先，將水印嵌入區域以外的圖像像素分為2類。其中第一類像素ui,j的位置滿足mod((i+j),2)=0，第二類像素vi,j的位置滿足mod((i+j),2)=1。數據可逆嵌入由2輪構成。在第一輪數據可逆嵌入中，使用第二類像素vi,j預測第一類像素ui,j，使用第一類像素ui,j嵌入數據。在第二輪數據可逆嵌入中，使用第一類像素ui,j預測第二類像素vi,j，使用第二類像素vi,j嵌入數據。以第一輪數據可逆嵌入為例，第一類像素ui,j的預測值由其相鄰的4個第二類像素預測得到，如式(13)所示。

通過從原始像素ui,j中減去預測值，可以得到預測誤差di,j，如式(14)所示。

得到預測誤差之后，使用預測誤差擴展和直方圖平移將壓縮后的重構數據分組中的比特mk嵌入預測誤差di,j中，如式(15)所示。

其中，Tp和Tn分別是控制預測誤差擴展的正閾值和負閾值。在數據可逆嵌入之后，原始像素ui,j被修改為Ui,j，如式(16)所示。

在第二類像素中的數據可逆嵌入和在第一類像素中的數據可逆嵌入相似。數據可逆嵌入和提取的細節描述可以參考文獻[23]。為了防止水印惡意擦除，需要根據水印密鑰使用流密碼對壓縮后的重構數據分組進行加密。圖4描述了本文提出的針對二維碼的圖像可逆可視水印算法的原理。

圖4 針對二維碼的圖像可逆可視水印算法的原理

4 實驗設計與結果分析

4.1 實驗設置

為了驗證本文提出的基于二維碼和可逆可視水印的圖像隱私保護方案的有效性，在實驗部分重點對針對二維碼的圖像可逆可視水印算法進行性能測試，并對所提圖像隱私保護方案的安全性進行分析。

將針對二維碼的圖像可逆可視水印算法在Matlab R2016a 中實現，并選取Huang 等[16]提出的圖像可逆可視水印算法（以下簡稱Huang 等算法）、Mohammad 等[13]提出的圖像可逆可視水印算法（以下簡稱Mohammad 等算法）和Yao 等[15]提出的圖像可逆可視水印算法（以下簡稱Yao 等算法）作為對比方案。這里使用二維碼開源開發庫ZXing.Net 實現二維碼的編碼和解碼。為了便于驗證二維碼能否正確識別和解碼，實驗中作為可視水印的二維碼的編碼信息為“University of Science and Technology of China”，尺寸分別為128像素×128像素和256像素×256像素，如圖5所示。選取標準測試圖像庫中的6幅圖像作為載體圖像，如圖6所示。實驗中使用峰值信噪比（PSNR,peak signal-to-noise ratio）（單位為dB）和結構化相似度（SSIM,structural similarity）[24]評價載密圖像相對于載體圖像的視覺質量。

4.2 參數選擇

在本文提出的針對二維碼的圖像可逆可視水印算法中，控制水印嵌入強度的嵌入參數αi,j是平衡水印的可視性和載密圖像的視覺質量的重要參數。本文在討論可視水印嵌入模型以及水印嵌入強度和水印可視性的關系的基礎上，建立了如式(11)所示的水印嵌入強度在水印可視范圍內的最小化嵌入失真模型。使用該模型進行可視水印嵌入時，可以適配載體圖像和二值水印圖像的內容選擇相應的嵌入參數αi,j，以平衡水印的可視性和載密圖像的視覺質量。

圖5 作為可視水印的二維碼

圖6 實驗中使用的載體圖像

以標準測試圖像Lena中位置為(478,66)且像素值為108的像素為例，討論嵌入參數αi,j對載密圖像像素嵌入失真ρi,j(xi,j,yi,j)的影響，如表1所示。隨著嵌入參數αi,j的增加，載密圖像像素的失真增大，同時水印的嵌入強度增大。

選取載體圖像為Lena 且嵌入的二維碼的尺寸為128像素×128像素，討論嵌入參數的選擇方法，具體步驟如下。

表1 不同嵌入參數時載密圖像像素的嵌入失真

步驟1依次遍歷得到載體圖像中水印嵌入區域的像素xi,j。

步驟2根據二值水印圖像像素wi,j，使用式(11)對載體圖像像素xi,j進行水印嵌入。

步驟3得到與載密圖像像素yi,j對應的嵌入參數αi,j。

通過步驟1～步驟3，可以得到如圖7所示的控制水印嵌入強度的嵌入參數αi,j的統計直方圖。使用載體圖像Jetplane、Living room、Mandril、Peppers 和Woman 進行水印嵌入，使用的嵌入參數同樣可以根據式(11)計算得到。

圖7 控制水印嵌入強度的嵌入參數的統計直方圖

4.3 載密圖像視覺質量

為了測試水印的可視性，分別使用Huang 等算法、Mohammad 等算法、Yao 等算法和本文提出的針對二維碼的圖像可逆可視水印算法進行水印嵌入。圖8描述了對載體圖像Lena 使用不同可逆可視水印算法生成的載密圖像，其中水印嵌入區域為載體圖像的中心，嵌入的二維碼的尺寸為128像素×128像素。圖9描述了對載體圖像Peppers 使用不同可逆可視水印算法生成的載密圖像，其中水印嵌入區域為載體圖像的中心，嵌入的二維碼的尺寸為256像素×256像素。

由圖8和圖9可知，使用Mohammad 等算法和Yao 等算法在載體圖像中嵌入二維碼后，無法識別嵌入的二維碼。在使用Huang 等算法生成的載密圖像中，嵌入的二維碼雖然可以被正確識別，但是嵌入的二維碼完全掩蓋了水印嵌入區域的圖像內容。本文提出的算法致力于解決水印的可視性和載密圖像的視覺質量之間的均衡分析問題，嵌入的二維碼既可以被正確識別，也不會完全掩蓋水印嵌入區域的圖像內容，可以較好地兼顧水印的可視性和載密圖像的視覺質量，為授權用戶得到隱私信息提供必要的前提條件。

圖8 對載體圖像Lena 使用可逆可視水印算法生成的載密圖像

圖9 對載體圖像Peppers 使用可逆可視水印算法生成的載密圖像

為了客觀評價載密圖像的視覺質量，分別使用Huang 等算法、Mohammad 等算法、Yao 等算法和本文提出的針對二維碼的圖像可逆可視水印算法進行水印嵌入。表2描述了嵌入的二維碼的尺寸為128像素×128像素時使用不同可逆可視水印算法生成載密圖像的客觀質量。表3描述了嵌入的二維碼的尺寸為256像素×256像素時使用不同可逆可視水印算法生成載密圖像的客觀質量。在使用本文提出的算法進行水印嵌入時，需要根據式(11)對圖像水印嵌入區域中每個像素選擇適合的嵌入參數。表4描述了嵌入的二維碼的尺寸為128像素×128像素時本文提出的算法中嵌入參數的均值和標準差。表5描述了嵌入的二維碼的尺寸為256像素×256像素時本文提出的算法中嵌入參數的均值和標準差。

表2和表3中的粗體數字表示相應的圖像可逆可視水印算法可以取得最好的載密圖像客觀質量。從表2和表3可以看出，本文提出的針對二維碼的圖像可逆可視水印算法在大多數情況下可以取得最好的載密圖像視覺質量。然而，有些情況下本文提出的算法在載密圖像客觀質量上不如Yao 等算法。這是由于，實驗中選用的載體圖像為自然圖像，自然圖像具有較強的空間相關性。Yao 等算法在嵌入水印前先對載體圖像分塊，為每個圖像塊中的像素選擇相同的嵌入參數，有利于保護圖像的空間相關性。但是，本文提出的算法對圖像水印嵌入區域中每個像素選擇適合的嵌入參數，對圖像的空間相關性造成一定程度的影響。與表2相比，表3中嵌入的二維碼的尺寸為256像素×256像素，水印嵌入區域更大，因此使用本文提出的算法對圖像空間相關性的影響會更大。在本文提出的圖像隱私保護方案中，二維碼的正確識別和解碼是授權用戶得到隱私信息的前提條件。為了使嵌入的二維碼可以被正確識別，本文提出的針對二維碼的圖像可逆可視水印算法需要對水印嵌入區域中每個像素選擇適合的嵌入參數。

表2 嵌入的二維碼的尺寸為128像素×128像素時使用不同可逆可視水印算法生成載密圖像的客觀質量

表3 嵌入的二維碼的尺寸為256像素×256像素時使用不同可逆可視水印算法生成載密圖像的客觀質量

表4 嵌入的二維碼的尺寸為128像素×128像素時本文提出的算法中嵌入參數的均值和標準差

表5 嵌入的二維碼的尺寸為256像素×256像素時本文提出的算法中嵌入參數的均值和標準差

在表2和表3中使用均值和標準差這2個統計量評價圖像可逆可視水印算法在客觀質量上的綜合性能。對于給定的圖像可逆可視水印算法，相應的圖像客觀質量的均值越大說明該算法綜合性能越好。在表2中，本文提出的算法在PSNR 和SSIM 上均取得了最好的綜合性能。在表3中，Yao 等算法在PSNR上取得了最好的綜合性能，本文提出的算法在SSIM 上取得了最好的綜合性能。PSNR 的標準差越大，說明圖像可逆可視水印算法的對圖像的自適應能力越強。

4.4 圖像隱私保護方案的安全性分析

圖像隱私保護方案的安全性包括加密安全性和可視水印安全性。

4.4.1 加密安全性

通過云平臺傳輸數據時存在隱私泄露風險。在本文提出的基于二維碼和可逆可視水印的圖像隱私保護方案中，構建了圖像發送方、云平臺和圖像接收方之間的數據安全流轉通道，有效降低了隱私泄露的風險。對于圖像發送方，需要對原始圖像進行去隱私信息處理，并根據加密密鑰對隱私信息進行加密，降低了與云平臺通信過程中的隱私泄露。對于云平臺，隱私信息處于加密狀態，云平臺在沒有加密密鑰的情況下無法得到解密的隱私信息。對于非授權用戶，由于沒有正確的加密密鑰，即使獲得嵌入二維碼的載密圖像，也無法得到與圖像關聯的隱私信息。

在本文提出的針對二維碼的圖像可逆可視水印算法中，用于載體圖像無損恢復的壓縮后的重構數據分組的長度為L。使用流密碼加密壓縮后的重構數據分組時產生L種可能的偽隨機序列[25]，在沒有水印密鑰的情況下得到壓縮后的重構數據分組的概率為。因此，在沒有水印密鑰的情況下，非授權用戶幾乎無法提取嵌入的二維碼。

然而，有時候存在授權用戶惡意泄露隱私信息加密密鑰和水印密鑰的情況，從而導致圖像隱私保護方案遭受攻擊。此時可以采用基于Shamir 秘密共享的密鑰分發及其改進算法[26]提升圖像隱私保護方案的加密安全性。對于隱私信息加密密鑰，秘密分發者為圖像發送方；對于水印密鑰，秘密分發者為云平臺。

在秘密共享的初始化階段，秘密分發者需要根據n個不同的非零元素x1,x2,…,xn標識每個影子秘密擁有者Ur∈{U1,U2,…,Un}，并公開xr以及相應的Ur。

在秘密分發階段，假設需要分發的秘密為s，則需要在有限域GF(p)中任意選擇(t-1)個元素構成多項式，如式(17)所示。

其中，大素數p＞s，待分發的秘密s=f(0)=a0。秘密分發者為每個影子秘密擁有者Ur（r=1,2,…,n）生成的影子秘密可以表示為

在生成影子秘密之后，秘密分發者可以將sr安全地發送給相應的影子秘密擁有者Ur。

在秘密恢復階段，任何t個影子秘密擁有者可以使用如式(19)所示的拉格朗日插值公式恢復秘密s，這里的秘密s可以是隱私信息加密密鑰或水印密鑰。

基于Shamir 秘密共享的密鑰分發中，任意不少于t個影子秘密能夠恢復出分發的秘密，并且少于t個影子秘密不能獲得關于分發的秘密的任何信息，提升了圖像隱私保護方案的加密安全性。

4.4.2 可視水印安全性

水印的穩健性是十分重要的性質。在本文提出的圖像隱私保護方案中，水印的穩健性可以保證在嵌入二維碼的載密圖像遭受惡意攻擊時，授權用戶仍然可以提取嵌入的二維碼，從而得到與圖像關聯的隱私信息。由于圖像經常在異構網絡中傳輸，圖像傳輸會面臨網絡帶寬的變化。JPEG圖像壓縮是常用的且有效的針對圖像水印的攻擊手段。

為了驗證本文提出的針對二維碼的圖像可逆可視水印算法的穩健性，圖10描述了當載體圖像為Lena 且嵌入的二維碼的尺寸為128像素×128像素時生成的載密圖像抵抗JPEG 圖像壓縮攻擊的穩健性，圖11描述了當載體圖像為Peppers 且嵌入的二維碼的尺寸為256像素×256像素時生成的載密圖像抵抗JPEG 圖像壓縮攻擊的穩健性。JPEG 圖像壓縮中選取的質量因子（QF,quality factor）分別為85、65、45和25。選取的質量因子越低，對載密圖像的壓縮程度越高，相應的載密圖像視覺質量越低。從圖10和圖11的穩健性分析實驗可以看出，即使當質量因子為25時，載密圖像中嵌入的二維碼仍然可以被正確識別。

圖10 載密圖像Lena 抵抗JPEG 圖像壓縮攻擊的穩健性（二維碼尺寸為128像素×128像素，可識別）

在圖10中，與質量因子為85、65、45和25的載密圖像對應的PSNR 分別為27.589 dB、27.376 dB、27.213 dB 和26.967 dB。在圖11中，與質量因子為85、65、45和25的載密圖像對應的PSNR 分別為20.914 dB、20.858 dB、20.832 dB 和20.819 dB。穩健性分析實驗表明，本文提出的圖像隱私保護方案具有抵抗JPEG 圖像壓縮的穩健性，在一定程度的惡意攻擊環境下仍然可以發揮作用。

圖11 載密圖像Peppers 抵抗JPEG 圖像壓縮攻擊的穩健性（二維碼尺寸為256像素×256像素，可識別）

5 結束語

本文針對圖像在網絡傳輸中的隱私信息泄露問題，提出了一種基于二維碼和可逆可視水印的圖像隱私保護方案。在該方案中，圖像發送方為了保護圖像拍攝時間、拍攝地點和詳細描述等隱私信息，首先將這類隱私信息加密后存儲在云平臺，并由云平臺生成能夠鏈接到加密隱私信息的統一資源定位符。云平臺將統一資源定位符編碼成二維碼，并將該二維碼作為可視水印可逆地嵌入圖像中，實現對隱私信息的訪問權限控制。為了平衡水印的可視性和載密圖像的視覺質量，在該方案中使用視覺感知模型選擇適合的水印嵌入參數。實驗結果表明，使用該方案進行可視水印嵌入能夠保證載密圖像具有良好的視覺質量，同時不影響二維碼的正確識別和解碼。該方案既保障了圖像的傳輸質量也降低了隱私泄露風險。